生信人的linux考试-20题

一、在任意文件夹下面创建形如 1/2/3/4/5/6/7/8/9 格式的文件夹系列。

mkdir -p ~/Linux_test/1/2/3/4/5/6/7/8/9/

tree ~/Linux_test/1

二、在创建好的文件夹下面，比如我的是 /Users/jimmy/tmp/1/2/3/4/5/6/7/8/9 ，里面创建文本文件 me.txt

touch ~/Linux_test/1/2/3/4/5/6/7/8/9/me.txt

tree ~/Linux_test/1

三、在文本文件 me.txt 里面输入内容: I love you! XZR

vim ~/Linux_test/1/2/3/4/5/6/7/8/9/me.txt

i 进入；输入文字，Esc退出；：wq保存并退出

四、删除上面创建的文件夹 1/2/3/4/5/6/7/8/9 及文本文件 me.txt

rm -rf ~/Linux_test/1/

五、在任意文件夹下面创建 folder1~5这5个文件夹，然后每个文件夹下面继续创建 folder1~5这5个文件夹

mkdir -p ./folder{1..5}/folder{1..5}

tree ./

六、在第五题创建的每一个文件夹下面都创建第二题文本文件 me.txt ，内容也要一样。(这个题目难度超纲，建议一个月后再回过头来做)

待归来

七，再次删除掉前面几个步骤建立的文件夹及文件

rm -rf ./folder*

八、下载 http://www.biotrainee.com/jmzeng/igv/test.bed 文件，后在里面选择含有 H3K4me3 的那一行是第几行，该文件总共有几行。

wget -chttp://www.biotrainee.com/jmzeng/igv/test.bed

grep -n 'H3K4me3' test.bed # 输出包含匹配字符串的行数 -n 选项：cat file_name | grep "text" -n

less -SN # -N：每一行行首显示行号； -S：在单行显示较长的内容，而不换行显示

wc -l test.bed # -l或——lines：只显示列数；

九、下载 http://www.biotrainee.com/jmzeng/rmDuplicate.zip 文件，并且解压，查看里面的文件夹结构

wget http://www.biotrainee.com/jmzeng/rmDuplicate.zip

unzip rmDuplicate.zip

tree ./rmDuplicate.zip

十、打开第九题解压的文件，进入 rmDuplicate/samtools/single 文件夹里面，查看后缀为 .sam 的文件，搞清楚生物信息学里面的SAM/BAM 定义是什么

less -SN tmp.sam

**SAM文件**

        SAM(Sequence Alignment/Map)格式是一种通用的比对格式，用来存储reads到参考序列的比对信息。

        SAM是一种序列比对格式标准，由sanger制定，是以TAB为分割符的文本格式。主要应用于测序序列mapping到基因组上的结果表示，当然也可以表示任意的多重比对结果。SAM分为两部分，注释信息（header section）和比对结果部分（alignment section）。

        行：除注释外，每一行是一个read。

**BAM文件**

BAM是SAM的二进制格式，因此两者格式相同，只是BAM文件占用储存空间更小，运算更快

Usage: samtools view -S in.sam -t Reference.fa.fai -b > out.bam samtools 可以查看bam文件 Usage: samtools view *.bam | less

十一、安装 samtools 软件

conda create -n test # 创建环境

conda activate test # 激活环境

conda install -y samtools #安装软件

十二、打开后缀为BAM 的文件，找到产生该文件的命令。提示一下命令是：

/home/jianmingzeng/biosoft/bowtie/bowtie2-2.2.9/bowtie2-align-s --wrapper basic-0 -p 20 -x /home/jianmingzeng/reference/index/bowtie/hg38 -S /home/jianmingzeng/data/public/allMouse/alignment/WT_rep2_Input.sam -U /tmp/41440.unp

samtools view -H tmp.rmdup.bam #查看头文件信息

(1) 将sam文件转化为bam文件

samtools view -bS in.sam > in.bam是view的一个应用-b指定输出文件为bam, -S 指定输入文件为sam

(2) 查看bam文件的header信息

samtools view -H in.bam

samtools view -h in.bam|les

查看头文件：samtools view -H xx.bam > header

samtools view查看bwa比对结果中比对上基因组的unique mapped reads

samtools view xx.bam |grep "XT：A：U" | wc -l

十三题、根据上面的命令，找到我使用的参考基因组 /home/jianmingzeng/reference/index/bowtie/hg38具体有多少条染色体。

十四题、上面的后缀为BAM 的文件的第二列，只有 0 和 16 两个数字，用 cut/sort/uniq等命令统计它们的个数。

samtools view tmp.sort.bam|cut -f 2|sort |uniqu -c

十五题、重新打开 rmDuplicate/samtools/paired 文件夹下面的后缀为BAM 的文件，再次查看第二列，并且统计

samtools view tmp.sort.bam|cut -f 2|sort |uniq -c |wc -l

十六题、下载 http://www.biotrainee.com/jmzeng/sickle/sickle-results.zip 文件，并且解压，查看里面的文件夹结构，这个文件有2.3M，注意留心下载时间及下载速度

wget http://www.biotrainee.com/jmzeng/sickle/sickle-results.zip

unzip sickle-results.zip

cd sickle-results

tree ./

十七题、解压 sickle-results/single_tmp_fastqc.zip 文件，并且进入解压后的文件夹，找到 fastqc_data.txt 文件，并且搜索该文本文件以 >>开头的有多少行?

cd sickle-results

ls -lh

unzip single_tmp_fastqc.zip

cd single_tmp_fastqc/

less -S fastqc_data.txt |grep '>>'|wc -l

十八题、下载 http://www.biotrainee.com/jmzeng/tmp/hg38.tss 文件，去NCBI找到TP53/BRCA1等自己感兴趣的基因对应的 refseq数据库 ID，然后找到它们的hg38.tss 文件的哪一行。

wget http://www.biotrainee.com/jmzeng/tmp/hg38.tss

less -S hg38.tss|grep -n 'NM_000546'

十九题、解析hg38.tss 文件，统计每条染色体的基因个数

less -SN hg38.tss | cut -f 2|cut -d '_' -f 1|sort|uniq -c

二十题、解析hg38.tss 文件，统计NM和NR开头的熟练，了解NM和NR开头的含义。

less -S hg38.tss|grep -c '^NM'

less -S hg38.tss|grep -c '^NR'

refseq的ID

NM开头的表示标准序列，

XM表示预测的蛋白编码序列，

NR_表示非编码蛋白的mRNA序列，

AF开头的表示克隆序列，

BC开头的表示模板序列